支持数据预处理、模型构建、模型训练、模型评估、模型服务到运维监控的全流程开发及部署支持，并且提供可视化建模，向导式建模、自动化机器学习、数据建模等建模方式，满足多种业务使用场景，帮助用户快速创建和部署模型，管理全周期AI工作流。AI开发平台平台还内置了丰富的算法组件，支持多种算法框架，满足多种 AI 应用场景的需求。

       支持结构化，非结构化数据，矢量特征流， 多模态数据，经过数据处理，模型构建，模型部署等工序，同时支撑知识图谱的构建和管理功能，配以模型训练场，提供训练和运行环境，生成的模型托管于模型仓库，可应用于数据挖掘，主动评价，智能决策，资源调配等业务场景，对应用层输出持续进化的算法和模型，为服务场景提供能力支撑。

平台首页

      帮助用户对整个产品功能有一个系统的认知，帮助用户了解产品功能，以及了解AI开发平台的具体使用情况、并保障各模块正常运转。

数据接入

      AI开发平台的数据接入可以帮助用户将数据从应用程序，API 和数据库中同步到仓库。使得数据集成变得简单、安全和可扩展。并且支持用户上传自有数据，供模型训练调用。AI开发平台的数据接入支持从不同数据源导入数据。1：从数据中台接入数据，2：从本地数据集中导入数据。

数据标注

      模型训练过程中需要大量已标注的数据，因此在模型训练之前需要进行数据标注作业。AI开发平台为用户提供了标注数据的能力。在AI开发平台平台中，既支持用户直接上传已标注的数据并用于训练，也支持用户上传未标注数据，并在AI开发平台中完成数据标注操作。

模型构建

      面向AI开发者/企业人员的的模型构建，包含交互式模型开发和可视化建模。

•  模型训练场：面向AI开发者的机器学习交互式开发，AI开发平台基于Jupyter提供了在线的交互式开发环境。Notebook不但免去了用户准备开发环境的过程，而且可以帮助用户轻松的实现数据集、代码以及模型的管理。
•  可视化建模：通过可视化的拖拽布局，组合各种数据源、组件、算法、模型及评估模块，为 AI 工程师打造从数据预处理、模型训练、到模型评估的全流程开发支持。目前支持二分类、多分类。

AI智能仓

• 模型仓：模型仓是整个AI开发平台中模型的中央存储仓库，模型仓库可导入所有训练任务生成的模型并进行统一管理。
• 算法仓库：算法仓是整个AI开发平台中算法的中央存储仓库，承载者各种算法及其对应的算子实现，提供全生命周期管理。